基于网络超链接信息熵的节点重要性序结构演化建模分析

动态复杂网络在时空演化过程中,网络节点重要性层内交互关系和层间耦合关系可以更为准确对时序网络节点序结构演化进行分析.本文提出基于网络超链接信息熵的节点重要性序结构演化模型.分析时序网络层内节点超链接信息熵重要性排序结果,得到时序网络节点相邻时间层与跨时间层节点重要性排序模型.节点超链接信息熵总结相邻时间层与跨时间层节点相似性耦合效应.通过SIR(Susceptible Infected Recovered)模型检验节点传播效率进行实证网络仿真,结果与经典时序网络模型相比,本文模型Kendall’sτ值在各时间层均有提高,最高为11.310%.     

时序多层网络熵值结构洞节点重要性建模

分析动态多层复杂网络时空演化过程中的网络节点重要性序结构，提出时序多层网络熵值结构洞节点重要性辨识模型.分析时序网络节点局部信息熵的属性与节点全局K-shell信息集结偏好信息熵.依据复杂网络结构洞系数，提出节点熵值结构洞节点重要性辨识模型.时序化处理节点演化信息，提出节点重要性时序网络计算模型.通过SIR模型检验节点传播效率，开展实证网络仿真.本文的时序多层网络节点演化重要性排序结果与经典时序网络模型相比，Kendall值有了显著的提高.     

基于重要度传输矩阵的复杂网络节点重要性辨识方法

复杂网络中节点重要性辨识对分析网络结构和功能具有重要作用.为了辨识节点重要性,分析节点自身和关联节点的作用,本文构建了一种基于重要度传输矩阵的节点重要性辨识模型.首先,基于关联节点与节点之间的最优路径长度、最优路径数目和信息传播率定义了节点间的传输能力.其次,依据度值和传输能力构建重要度传输矩阵,综合节点局部重要性和全局属性指标评价节点的重要性.最后,对"ARPA"网络和四个真实网络进行破坏性仿真分析,结果本文方法表明对网络造成更大的破坏,证明了该方法的有效性和可靠性.